• Java程序设计(2018秋)

    随堂模式 国家级精品 计算机学科
    郑莉
    • 郑莉教授 清华大学计算机科学与技术系
    • $
    • g9.6万人
    • V6小时/周

    简介 课程目标:掌握Java的基础语法、面向对象的程序设计方法;初步了解GUI程序开发方法; 主要受众:程序设计初学者。无先修课程要求,如有一点编程基础更好。 主要内容: 1、Java语言基础知识; 2、类与对象的基本概念; 3、类的方法; 4、类的重用; 5、接口与多态; 6、输入/输出流; 7、Java集合框架;8、图形用户界面; 

    章节第一章 Java语言基础知识 第一章续-习题讲解视频 第二章 类与对象 第三章 类的重用 第四章 接口与多态 第五章 输入输出 第六章 对象群体的组织 第七章 图形用户界面 章节

  • 数据挖掘:理论与算法(2018秋)

    随堂模式 计算机学科
    袁博
    • 袁博副研究员 清华大学深圳研究生院
    • $
    • g4.9万人
    • V6小时/周

    简介 本课程完整覆盖数据挖掘领域的各项核心技术,包括数据预处理、分类、聚类、回归、关联、推荐、集成学习、进化计算等。强调在知识的广度、深度和趣味性之间寻找最佳平衡点,在生动幽默中讲述数据挖掘的核心思想、关键技术以及一些在其它相关课程和教科书中少有涉及的重要知识点。本课程适合对大数据和数据科学感兴趣的各专业学生以及工程技术人员学习,不追求纯粹的理论推导,而是把理论与实践有机结合,让学生学到活的知识、有用的知识和真正属于自己的知识,特别是数据分析领域的研究方法和思维方式。

    章节走进数据科学:博大精深,美不胜收 数据预处理:抽丝剥茧,去伪存真 从贝叶斯到决策树:意料之外,情理之中 神经网络:巨量并行,智慧无限 支持向量机:数学之美,巅峰之作 聚类分析:物以类聚,人以群分 关联规则:营销购物,自有乾坤 推荐算法:察言观色,投其所好 集成学习:兼听则明,偏听则暗 进化计算:大道至简,万物之本 美丽数据说:阆苑仙葩,美玉无瑕 考试入口

  • 面向对象程序设计(C++)(2018春)

    随堂模式 计算机学科
    徐明星
    • 徐明星副教授 清华大学计算机系
    • $
    • g2.7万人
    • V8小时/周

    简介 本课程是“程序设计基础”的后续课程,重点在于提升和强化学习者的抽象思维能力,培养对于变与不变的深刻理解。课程将以C++语言为媒介,以任务驱动为手段,引领学习者掌握如何用C++语言提供的各种技术手段来对复杂世界及其蕴含的关系进行描述。 本课程希望学习者已学习过一门高级语言,已掌握了一些基本的编程技能,也适合于那些希望了解C++语言并运用C++语言进行高质量程序设计的学习者。 课程使用的语言是C++,在通过一定篇幅介绍C++的主要语法知识后,将重点围绕什么是接口、怎么设计、实现和使用接口、如何在程序设计中体现“开闭”原则,以及如何实现数据表示与操作的分离等内容展开介绍和讨论。课程除了介绍传统的面向对象程序设计的基础知识,还会讨论如何进行基于接口编程,如何进行泛型程序设计,还会讨论到C++语言的标准模板库的核心内容。

    章节第一讲 课程简介与编程环境 第二讲 基础语法(1) 第三讲 基础语法(2) 第四讲 基础语法(3) 第五讲 找到对象,确定接口 第六讲 算法横向拆分,分离步骤 第七讲 算法纵向拆分,分离表示 第八讲 基于接口组合,应对复杂变化 第九讲 增加抽象层级,隔离复杂变化 期末考试

  • 界面设计导论(2018春)

    关琰
    • 关琰副教授 清华大学美术学院
    • $
    • g2.6万人
    • V3小时/周

    简介 本课程是界面设计的入门课,面向初学者,通过全面介绍界面设计领域的发展现状、应用领域和趋势,帮助学生建立一个较完整的知识框架,丰富视野,并从GUI和H5网页设计与制作方法这两个知识点入手,循序渐进地教学生学做简单的网页GUI设计,体验一个完整的设计过程,学生通过这种带有实践性的学习体验,可以对界面设计有一个初步的认识和了解,为将来的深入学习和自我提高做好铺垫。

    章节第一章:界面设计概述 第二章:GUI设计心法 第三章:界面设计元素 第四章:从设计到实现:H5网页基础概念

  • 计算机科学 101(2018春)

    Nick Parlante
    • Nick Parlante教授 斯坦福大学计算机系
    • $
    • g2.3万人
    • V4小时/周

    简介 声明:本课程包含斯坦福大学授予使用许可的材料。课程基于Nick Parlante在斯坦福大学讲授的CS101 计算机科学101,在学堂在线平台上独立运营。 CS101为零基础的观众教授计算机科学的要点。计算机可能显得很复杂,但是实际上,计算机的工作遵循一些简单的原理。CS101将阐明这些原理并把它们运用到日常生活中,对所有使用计算机的人都非常有用。 在CS101中,学生将编写并运行简短的计算机代码,生动体验计算机的作用和局限性。所有的操作都在浏览器内完成,因此无需下载或安装任何软件。CS101还会介绍现代计算机的基础知识:计算机是什么、硬件是什么、软件是什么、互联网是什么。只需会使用网页浏览器,无需其他经验。 课题: 计算机和代码的本质,它们的作用和局限性; 计算机硬件原理:芯片、CPU、内存、硬盘; 必备术语:位、字节、兆字节、千兆字节; 软件原理:什么是程序、什么是“运行”; 数字图像原理; 计算机代码:循环和逻辑; 核心思想:抽象、逻辑、错误; 结构化数据的原理; 因特网的原理:网络地址、路由、以太网、无线网络; 计算机安全:病毒、木马和密码; 模拟和数字; 数字媒体、图片、音频、视频、压缩。

    章节公告 第一周 Week 2(第二周) Week 3(第三周) Week 4(第四周) Week 5(第五周) Week 6 Finishing Up(课程完结) Course Resources(课程资源) Declaration(公告)

  • Web前端攻城狮(2018秋)

    随堂模式 计算机学科
    刘强
    • 刘强副教授 清华大学软件学院
    • $
    • g2.2万人
    • 7已更新至第11章

    简介 本课程为《Web前端攻城狮》系列课程的基础篇,涵盖了Web前端编程的基础知识和核心技能,包括HTML与CSS、HTML5、CSS3、Javascript、jQuery、ES6、NodeJS等。 选修后请加老师微信号simbasong007(注明来自学堂在线前端课),领取相关的课件和源码资料,还可加入课程专属微信讨论群。

    章节第0章 Web前端技术概述 第1章 HTML详解与CSS选择器 第2章 CSS基础 第3章 CSS布局 第4章 CSS高级 第5章 JavaScript基础 第6章 JavaScript进阶 第7章 JavaScript高级 第8章 ECMAScript 6 第9章 Node.js 第10章 项目实战

  • 大学计算机基础(2018春)

    随堂模式 计算机学科
    徐红云
    • 徐红云教授 华南理工大学计算机科学与工程学院
    • $
    • g1.6万人
    • V2小时/周

    简介 本课程的主要内容包括计算机技术发展过程及趋势、计算机系统组成、数据的表示与运算、计算机硬件和软件、操作系统、办公软件、程序设计语言、数据库技术、多媒体技术、计算机网络、网页设计和信息安全。通过本课程的学习,学生不仅可以掌握计算机的基本理论和基础知识,而且能初步具备利用计算机分析问题、解决问题的意识与能力,提高计算机素养,为将来应用计算机的相关知识和技术解决所学专业领域的实际问题打下良好的基础。

    章节第一章概述 第二章 数据的表示与运算 第三章 计算机硬件 第四章 计算机软件 第五章 操作系统 第六章 办公软件 第七章 程序设计语言 第八章 数据库技术 第九章 多媒体技术 第十章 计算机网络 第十一章 网页制作 第十二章 信息安全

  • 学做小程序

    随堂模式 计算机学科
    刘强
    • 刘强副教授 清华大学软件学院
    • $
    • g1.5万人
    • 7已更新至第6章

    简介 本课程以小程序实战项目为出发点,由浅入深地讲解微信小程序的基础知识和开发技术,包括小程序的基本概念和框架结构、数据绑定机制、模版化与模块化、数据缓存、常用组件和API以及全栈应用开发等。学习者可以通过“学中做”和“做中学”,掌握小程序的基本原理和前后端开发的实用技能,开启自己的小程序开发和上线之旅。

    章节第1讲 微信小程序概述 第2讲 初识微信小程序 第3讲 电影周周看V2 第4讲 电影周周看V3 第5讲 组件化开发 第6讲 构建小程序的全栈应用

  • 大数据算法基础

    随堂模式 计算机学科
    赵颖
    • 赵颖副教授 清华大学计算机系
    • $
    • g1.5万人
    • V6小时/周

    简介本课程提出了“知算法、懂算法、遇到问题找算法”的建设目标,旨在培养研究生掌握大数据系统与大数据处理中的基础计算方法,提升用数学理论求解大数据实际问题的能力,为寻求大数据系统与相关应用领域中实际问题的最优求解方法建立基础。课程由大数据基本算法知识、高级大数据算法设计以及相关专题三部分组成。大数据基本算法知识讲述大数据算法概述、算法分析数据基础、概率分析基础、随机算法基础、抽样算法基础等;高级大数据算法设计包括图算法、流计算、链接分析等;相关专题包括多线程计算、近似算法等。

  • 大数据分析(B)

    随堂模式 计算机学科
    朱文武
    • 朱文武教授 清华大学计算机系
    • $
    • g1.4万人
    • V6小时/周

    简介在互联网、政治经济、社会、公共卫生、金融、医疗健康、环境、海洋等等各个领域,都存在着PB量级的数据有待研究,且大数据分析的结果已经产生实际效应。本课程将从数据统计分析的数学基础、大数据智能分析与处理方法、大数据的分布式处理与并行计算以及大数据的多领域应用等不同层次,教授大数据分析与处理的基本方法、工具及应用。具体内容包括:(1)大数据分析与处理基础:数据科学发展情况;大数据的时代背景及其重要性;大数据分析与处理的典型应用。(2)数据统计分析的数学基础:数据统计知识回顾;多维数据分布;数据采样;主成份分析与因子分析;假设检验;线性相关与回归;非线性回归;方差分析;P-Value。(3)大数据的智能处理:时间序列分析;动态贝叶斯网络;矩阵分解理论;机器学习;大规模数据上的模型应用。(4)大数据的分布式处理与并行计算:HDFS与HBASE;Hadoop与Mapreduce,MapReduce并行计算;基于MapReduce的数据分析与智能处理方法的并行化。(5)大数据分析与处理前沿:社交媒体大数据分析与处理;城市交通大数据分析与处理;金融大数据分析与处理;医疗大数据分析与处理等。